Dados anônimos
Dados anônimos são informações alteradas de forma que não possam mais ser associadas a uma pessoa identificável e que não possam ser reassociadas por ninguém. Essa última condição é a mais difícil, e é por isso que a maioria dos dados descritos como anônimos são, na verdade, pseudônimos — uma distinção com consequências jurídicas reais.
| Anonimizado | A reidentificação é impossível para qualquer pessoa, inclusive para o detentor dos dados |
| Pseudonimizado | Identificadores substituídos, mas que podem ser vinculados novamente por meio de uma chave armazenada em algum lugar |
| Consequência regulatória | Dados verdadeiramente anônimos estão fora do âmbito do GDPR; dados pseudonimizados, não |
| Técnicas comuns | Agregação, generalização, supressão, adição de ruído, k-anonimato, privacidade diferencial |
| Falha principal | Reidentificação por meio da combinação de um conjunto de dados com informações externas |
| Observação sobre biometria | Um modelo facial não é um dado anônimo — ele identifica por natureza |
| Estrutura dos EUA | Regulamentado por meio da desidentificação prevista na HIPAA e pelas leis estaduais de privacidade, em vez de uma norma federal única |
| Posição prática | A anonimização é um espectro, não um estado binário |
Como funciona
Todas essas técnicas trocam a utilidade pela privacidade, e essa troca é inevitável.
Supressão remove identificadores diretos — nome, número de conta, e-mail. Isso é o mínimo necessário, mas, por si só, está longe de ser suficiente, pois os campos restantes frequentemente identificam as pessoas de qualquer maneira.
Generalização reduz a precisão: uma data de nascimento passa a ser um ano de nascimento, um CEP passa a ser uma região. Agregação apresenta dados sobre grupos, e não sobre indivíduos. k-anonimato formaliza isso ao exigir que cada registro seja indistinguível de pelo menos k−1 outros com base nos quase-identificadores, de modo que nenhuma combinação de atributos identifique uma única pessoa.
Privacidade diferencial adota uma abordagem diferente, adicionando ruído estatístico calibrado de modo que não seja possível determinar, a partir do resultado, se um indivíduo específico está presente no conjunto de dados. Essa é a garantia mais robusta disponível, mas compromete a precisão; por isso, sua adoção concentra-se em trabalhos estatísticos de grande escala, e não em sistemas operacionais.
O modo de falha que importa é o efeito de mosaico. Um conjunto de dados sem identificadores muitas vezes pode ser reidentificado por meio do cruzamento com outra fonte. As demonstrações clássicas — a reidentificação de prontuários médicos a partir da data de nascimento, sexo e CEP, ou de históricos de visualização da Netflix a partir de avaliações públicas — funcionaram dessa maneira. O fato de um conjunto de dados ser anônimo depende não apenas do próprio conjunto de dados, mas de tudo o mais que existe.
Por que isso é importante para a verificação de identidade
A verificação de identidade é, por definição, o oposto da anonimização, e a questão interessante é o que acontece com os dados depois disso.
A verificação exige identificabilidade — o objetivo principal é determinar qual pessoa específica está presente. Nada nesse processo pode ser anonimizado enquanto ele estiver ocorrendo. O que pode ser regulamentado é a retenção: o que é mantido depois que a decisão é tomada, de que forma e por quanto tempo.
Os modelos biométricos merecem atenção especial. Um modelo facial não é uma imagem e costuma ser descrito como anônimo, o que é incorreto. Trata-se de uma representação que identifica uma pessoa específica por definição — essa é sua função — e pesquisas já reconstruíram rostos reconhecíveis a partir desses modelos em determinadas condições. Os modelos são dados pessoais biométricos e merecem esse tratamento, e não o tratamento menos rigoroso que a palavra “anonimizado” sugere.
A análise agregada é onde se aplica a verdadeira anonimização: taxas de aprovação por tipo de documento, taxas de fraude por canal, desempenho do modelo por coorte. Essas análises são úteis, não exigem registros identificáveis e podem ser elaboradas de acordo com um padrão de anonimização genuíno. Como os dados de verificação são armazenados e mantidos é uma pergunta que vale a pena fazer a qualquer fornecedor, e a Microblink’s Fluxo de trabalho de KYC e AML foi projetado para manter os dados identificáveis apenas pelo tempo exigido pela obrigação.
Anonimizado x pseudonimizado
| Anonimizado | Pseudonimizado | |
|---|---|---|
| Reidentificação | É impossível para qualquer pessoa | É possível com a tecla |
| Tecla pressionada | Não existe nenhum | Pelo controlador ou por um terceiro |
| De acordo com o RGPD | Fora do escopo | Ainda são dados pessoais, totalmente abrangidos pelo escopo |
| Violação de obrigações | Nenhum — não há dados pessoais envolvidos | Obrigações completas relativas à notificação de violações |
| Utilitário de dados | Reduzido, às vezes substancialmente | Em grande parte preservado |
| Erros comuns de uso | Aplicado a dados que são meramente pseudonimizados | — |
A última questão é o problema prático. As organizações costumam descrever dados submetidos a hash ou tokenizados como anônimos. Se existir, em qualquer lugar, uma chave capaz de revertê-los, os dados são pseudonimizados e todas as obrigações continuam válidas — uma distinção que os órgãos reguladores têm feito valer.
O que ele não consegue fazer
Isso não pode ser garantido de forma permanente. Um conjunto de dados que hoje é anônimo pode se tornar reidentificável amanhã, caso um novo conjunto de dados seja disponibilizado para cruzamento. A anonimização é avaliada em relação ao ambiente de informação, e esse ambiente só tende a crescer.
Isso não permite preservar a utilidade total. Toda técnica causa degradação nos dados. Garantias robustas implicam em perda substancial de precisão, e é por isso que os métodos mais robustos são os menos utilizados.
Isso não pode ser alcançado removendo nomes. Identificadores diretos são a parte fácil. A combinação de quase-identificadores — CEP, data de nascimento, sexo, profissão — frequentemente permite identificar indivíduos, e a simples remoção dos nomes deixa dados que são facilmente reidentificáveis.
Isso não se aplica a modelos biométricos. Existe um modelo para identificar uma pessoa. Ele pode ser protegido, criptografado e ter seu prazo de retenção limitado, mas não pode ser anonimizado sem deixar de ser útil para sua finalidade.
Perguntas frequentes
Qual é a diferença entre dados anônimos e dados pseudônimos?
Dados anonimizados não podem ser associados a um indivíduo por ninguém. Nos dados pseudonimizados, os identificadores são substituídos, mas ainda é possível associá-los a um indivíduo por meio de uma chave. De acordo com o GDPR, os primeiros estão totalmente fora do escopo; os segundos ainda são considerados dados pessoais, estando sujeitos a todas as obrigações decorrentes disso.
Os dados hashados são anônimos?
Normalmente, não. Se o espaço de entrada for pequeno ou previsível — endereços de e-mail, números de telefone, números de identificação nacional —, os hashes podem ser revertidos por força bruta. O hash é uma pseudonimização, a menos que seja combinado com outras medidas.
É possível reidentificar dados anonimizados?
Frequentemente, ao combiná-lo com outros conjuntos de dados. Exemplos bem conhecidos incluem a reidentificação de indivíduos a partir de prontuários médicos e históricos de navegação, utilizando-se apenas de alguns poucos quase-identificadores. O anonimato depende do que mais existe, e não apenas do próprio conjunto de dados.
Os modelos biométricos são dados anônimos?
Não. Um modelo é uma representação matemática criada especificamente para identificar uma pessoa, e pesquisas já reconstruíram rostos reconhecíveis a partir desses modelos em determinadas condições. Os modelos são dados pessoais biométricos e devem ser tratados como tal.
Leitura relacionada
- RGPD — onde a distinção entre dados anônimos e pseudônimos tem validade jurídica
- Biometria facial — por que os modelos não são dados anônimos
- Vazamento de dados — o que facilita a reidentificação com o passar do tempo
- Verificação de documentos de identidade — o processo de anonimização é aplicado após, e não durante